摘 要

 

雄穗是玉米育种中一个重要的农艺性状，能有效地反映玉米植株的生长发育状况，有助于提高作物管理水平。目前，玉米雄穗动态监测主要依靠人工，劳动强度大，人为误差大，同时还会给田间作物造成损坏。深度学习方法被证明是获取RGB影像中玉米雄穗信息的有效工具。然而，目前还没有一个系统的研究来检验深度学习模型精度在不同玉米品种、不同抽雄期和不同影像分辨率下的变化。此外，深度学习模型对玉米雄穗生长动态变化的监测能力还未被充分探讨。

 

本文选取河南省中国农业科学院新乡试验场作为研究区域，本文利用深度学习模型对近地面设备和无人机获取玉米雄穗RGB影像中的玉米雄穗进行检测和分割，得到不同生长阶段玉米雄穗数与面积变化，实现对玉米雄穗生长动态的监测。深入分析深度学习模型对不同抽雄期、不同品种、不同分辨率下玉米雄穗的检测与分割精度差异，进而研究深度学习模型对无人机影像中玉米雄穗的检测与分割的潜力。